兽用B超超声成像是通过接收散射回波信号相干获得超声图像。然而采集到的图像由于成像机制的限制与不足，会形成固有的散斑噪声。实践证明，在影响兽用B超图像质量的各种因素中，散斑噪声的影响比其他各类噪声大，因而有效地抑制散斑噪声，可以大大地提高兽用B超图像质量和兽医诊断的准确性。传统的兽用B超图像滤波算法包括高斯滤波、中值滤波及小波阈值滤波等算法，主要是通过保留低频分量、去除高频分量的方法去噪，但兽用B超图像边缘信息与噪声信息均属于高频分量，如果不加区分的滤波会造成兽用B超图像边缘信息的丢失。

近年来，基于各向异性扩散的兽用B超图像滤波技术受到了越来越多的关注和使用。1988年，有人在热传导方程的基础上，提出了一个各向异性扩散模型：Ｐ-Ｍ模型。该模型提出以后，有开始应用到了兽用B超系统图像降噪、图像增强等领域。随着对该技术研究的深入，发现该模型还有很多不足。今年来，许多文献对Ｐ-Ｍ模型进行分析和研究，提出了一系列改进算法。此算法通过引入八方向选择式扩散方法，改进扩散系数函数，应用自适应梯度门限，选择递增型迭代终止准则建立新的各向异性扩散模型。兽用B超系统通过这些算法的改进会使图像更加清晰.

本文来自博祥来兽用B超培训中心转载请说明出处